Leveraging Scale Separation and Stochastic Closure for Data-Driven Prediction of Chaotic Dynamics
Dit artikel presenteert een zuiver stochastische, datagedreven methode die autoregressieve modellen (VAE en Transformer) voor grootschalige coherentiestructuren combineert met Gaussische proces-regressie voor de afsluiting van hoogwaardige statistieken, waardoor robuuste en nauwkeurige voorspellingen van chaotische turbulente stromingen mogelijk worden die de prestaties van bestaande probabilistische basismodellen overtreffen.